买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉南京航空航天大学申请的专利一种基于深度学习的移动应用安全缺陷摘要生成方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN115357288B 。

龙图腾网通过国家知识产权局官网在2026-04-14发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202210792373.1，技术领域涉及：G06F8/74；该发明授权一种基于深度学习的移动应用安全缺陷摘要生成方法是由陶传奇;陈梦瑶;郭虹静设计研发完成，并于2022-07-05向国家知识产权局提交的专利申请。

本一种基于深度学习的移动应用安全缺陷摘要生成方法在说明书摘要公布了：本发明公开了一种基于深度学习的移动应用安全缺陷摘要生成方法，步骤如下：对在移动应用商店获得的原始用户评论进行预处理；对预处理后的评论句子进行情感分析，剔除情感倾向为积极的句子，保留情感倾向为中立和消极的句子；对处理后的评论句子进行分类，并采用逻辑回归算法将其分为安全缺陷相关的评论和安全缺陷无关的评论，构建与安全缺陷相关的评论数据集；从安全缺陷相关的评论中提取三元组，构成安全缺陷相关的评论摘要。本发明能够在非结构化的用户评论中抽取出表示安全缺陷的三元组，利用深度学习技术构建针对移动应用安全缺陷的评论摘要生成模型，为待测移动应用提供安全缺陷的关键信息。

本发明授权一种基于深度学习的移动应用安全缺陷摘要生成方法在权利要求书中公布了：1.一种基于深度学习的移动应用安全缺陷摘要生成方法，其特征在于，步骤如下： 1对在移动应用商店获得的原始用户评论进行预处理，包括句子分割，拼写错误改正，缩写和缩略式扩充； 2对预处理后的评论句子进行情感分析，剔除情感倾向为积极的句子，保留情感倾向为中立和消极的句子； 3对经步骤2处理的评论句子进行分类，并采用逻辑回归算法将其分为安全缺陷相关的评论和安全缺陷无关的评论，构建与安全缺陷相关的评论数据集； 4从安全缺陷相关的评论中提取方面-观点-不良行为三元组，构成安全缺陷相关的评论摘要； 所述步骤2具体包括： 21采用自然语言处理工具包自带的情感分析模块Vader对预处理后的评论数据进行情感分析，对评论句子所表达的情感进行判别，分为积极、消极和中立三类极性，获得该评论句子的三类情感极性的概率和一个复合得分；所述复合得分的计算方法是将词典中每个单词的效价分数相加，并根据规则进行调整，然后归一化为-1和1之间； 22根据步骤21获得的复合得分判别评论句子的情感倾向，提取出情感倾向为消极和中立的评论句子； 所述步骤3具体包括： 31构造分类模型的数据集：使用步骤2中获得的部分评论句子构造分类模型的数据集，以csv文件格式进行存储，文件第一列为label即该部分评论句子的类别，用1表示该部分评论句子与安全性相关的评论，0表示该部分评论句子与安全性无关的评论；第二列为review即用户评论的内容，采用人工标注的方式构造分类模型的训练测试集； 32采用词频-逆文档频率算法进行特征提取；从SparkML库中导入HashingTF，IDF和Tokenizer；构造文档集合，创建一个DataFrame，每一个句子代表一个文档；得到文档集合后，用tokenizer对句子进行分词；得到分词后的文档序列后，使用HashingTF的transform方法把句子哈希成特征向量，每一个单词被哈希成一个不同的索引值；使用IDF对单纯的词频特征向量进行修正，使其体现不同词汇对文本的区别能力，调用fit方法并将词频特征向量传入，产生一个IDFModel；调用IDFModel的transform方法，得到每一个单词对应的TF-IDF矩阵； 33采用python的sklearn库的LogisticRegression方法进行逻辑回归模型的构建； 34采用十折交叉验证方法训练和测试逻辑回归模型；再将未分类的评论数据输入到训练后的逻辑回归模型中，将其分为安全性相关和安全性无关，得到安全缺陷相关的评论数据集。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人南京航空航天大学，其通讯地址为：211106 江苏省南京市江宁区将军大道29号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。